Unggah rekaman untuk membuat suara, lalu gunakan dalam percakapan Qwen-Omni atau Qwen-Omni-Realtime. Panduan ini mencakup bahasa yang didukung, persyaratan audio, langkah kloning, penagihan, dan pengelolaan suara.
Persyaratan audio
Kualitas rekaman memengaruhi hasil kloning.
Suara sistem dan kloning suara mendukung dialek yang berbeda. Tabel berikut mencantumkan bahasa dan dialek untuk kloning suara. Untuk suara sistem, lihat Daftar suara.
Item | Persyaratan |
|---|---|
Format yang didukung | WAV (16-bit), MP3, M4A |
Durasi | Disarankan 10 hingga 20 detik. Maksimum: 60 detik. |
Ukuran file | < 10 MB |
Laju sampel | >= 24 kHz |
Kanal | Mono |
Konten | Audio harus berisi setidaknya 3 detik ucapan yang jelas dan berkesinambungan tanpa suara latar. Bagian sisanya dapat mencakup jeda singkat (<=2 detik). Hindari musik latar, kebisingan, atau suara lain di sepanjang audio. Gunakan audio ucapan normal sebagai input. Jangan unggah lagu atau audio nyanyian. |
Bahasa | Tionghoa (zh), Inggris (en), Jerman (de), Italia (it), Portugis (pt), Spanyol (es), Jepang (ja), Korea (ko), Prancis (fr), Rusia (ru), Thai (th), Indonesia (id), Arab (ar), Ceko (cs), Denmark (da), Belanda (nl), Finlandia (fi), Ibrani (he), Hindi (hi), Islandia (is), Melayu (ms), Norwegia (no), Persia (fa), Polandia (pl), Swedia (sv), Tagalog (tl), Turki (tr), Urdu (ur), Vietnam (vi) Dialek Tionghoa: Dongbei, Shannxi, Sichuan, Henan, Changsha, Tianjin, Hangzhou, Liaoning, Shenyang, Anshan |
Mulai cepat
1. Alur kerja
Buat suara, lalu gunakan dalam panggilan model:
-
Membuat suara
Panggil API Buat suara dan unggah klip audio. Sistem menganalisis audio dan membuat suara kloning kustom. Anda harus menentukan
target_modelpada langkah ini untuk menyatakan model omni yang akan menggunakan suara tersebut. Jika sudah memiliki suara, Anda dapat melewati langkah ini dan melanjutkan ke langkah berikutnya. Panggil API Daftar suara untuk melihat suara yang tersedia. -
Menggunakan suara dalam percakapan
Panggil API Omni, baik real-time maupun non-real-time, dengan suara yang telah dibuat. Model Omni harus sama dengan
target_model.
2. Konfigurasi model dan prasyarat
Pilih model, lalu penuhi prasyaratnya.
Konfigurasi model
Kloning suara memerlukan dua model:
- Model kloning suara: qwen-voice-enrollment
-
Model Omni yang menggunakan suara:
- qwen3.8-omni-flash-realtime
- qwen3.5-omni-plus-realtime
- qwen3.5-omni-flash-realtime
- qwen3.5-omni-plus
- qwen3.5-omni-flash
Prasyarat
- Dapatkan API key: Dapatkan API key. Demi keamanan, konfigurasikan API key sebagai variabel lingkungan.
- Instal SDK: Instal SDK DashScope terbaru.
- Siapkan audio untuk kloning: Audio harus memenuhi Persyaratan audio.
3. Contoh menyeluruh
Contoh ini mengkloning suara dan menggunakannya dalam percakapan.
Prinsip utama: target_model yang ditentukan saat kloning harus sama dengan model pada panggilan API Omni berikutnya. Jika tidak, sintesis akan gagal. Ganti file contoh voice.mp3 dengan audio Anda sendiri.
- Real-time
- Non-real-time
Kuota suara dan pembersihan otomatis
Batas total: 1,000 suara per akun.
API ini tidak menyediakan endpoint untuk menghitung jumlah suara. Panggil API Daftar suara untuk menghitung suara Anda.Pembersihan otomatis: Suara yang tidak digunakan selama satu tahun akan dihapus secara otomatis.
Penagihan
Kloning suara dan pemanggilan model ditagih secara terpisah:
-
Kloning suara: Buat suara dikenai biaya $0.01 per suara. Permintaan pembuatan yang gagal tidak dikenai biaya.
Kuota gratis (hanya untuk wilayah Beijing di situs Tiongkok dan wilayah Singapura di situs internasional):
- 1,000 pembuatan suara gratis dalam 90 hari setelah mengaktifkan Model Studio.
- Pembuatan yang gagal tidak mengurangi kuota gratis.
- Menghapus suara tidak mengembalikan kuota gratis.
- Setelah kuota gratis habis atau periode 90 hari berakhir, pembuatan suara dikenai biaya $0.01/suara.
- Percakapan dengan suara kloning ditagih berdasarkan penggunaan token model. Lihat Harga inferensi model.
Hak cipta dan kepatuhan hukum
Anda bertanggung jawab atas kepemilikan dan penggunaan suara yang Anda berikan secara sah. Baca Perjanjian Layanan.
Panduan perekaman
Peralatan perekaman
Gunakan mikrofon peredam bising, atau rekam dengan ponsel dari jarak dekat di lingkungan yang tenang.
Lingkungan perekaman
Lokasi
- Rekam di ruang kecil tertutup dengan luas 10 meter persegi atau kurang.
- Pilih ruangan dengan material penyerap suara, seperti busa akustik, karpet, atau tirai.
- Hindari aula terbuka yang besar, ruang rapat, atau ruang kelas dengan reverberasi tinggi.
Kontrol derau
- Kebisingan luar: Tutup pintu dan jendela untuk menghalangi suara lalu lintas, konstruksi, dan suara lain dari luar.
- Kebisingan dalam ruangan: Matikan AC, kipas, dan ballast lampu fluoresen.
- Rekam suara sekitar dengan ponsel, lalu putar pada volume tinggi untuk mengidentifikasi sumber kebisingan yang tersembunyi.
Kontrol reverberasi
- Reverberasi membuat audio terdengar teredam dan mengurangi kejelasan.
- Kurangi pantulan dari permukaan halus: tutup tirai, buka pintu lemari pakaian, dan tutupi meja serta rak dengan pakaian atau selimut.
- Gunakan benda berbentuk tidak beraturan, seperti rak buku dan furnitur berlapis kain, untuk menghasilkan pantulan difus.
Persiapan naskah
- Sesuaikan naskah dengan kasus penggunaan yang dituju. Misalnya, gunakan gaya dialog layanan pelanggan untuk skenario layanan pelanggan.
- Pastikan naskah tidak memuat konten sensitif atau ilegal, seperti materi politik, pornografi, atau kekerasan, karena hal tersebut menyebabkan kloning gagal.
- Hindari frasa pendek (seperti "halo" atau "ya"). Gunakan kalimat lengkap.
- Pertahankan kesinambungan makna dan hindari jeda yang sering saat membaca. Disarankan berbicara setidaknya 3 detik berturut-turut tanpa terputus.
- Anda dapat menggunakan emosi yang diinginkan, seperti ramah atau serius. Jaga nada tetap alami dan hindari penyampaian yang berlebihan.
Langkah yang disarankan
Dengan kamar tidur biasa sebagai contoh:
- Tutup pintu dan jendela untuk menghalangi kebisingan dari luar.
- Matikan AC, kipas, dan peralatan rumah tangga lainnya.
- Tutup tirai untuk mengurangi pantulan dari kaca.
- Tutupi permukaan meja dengan pakaian atau selimut untuk mengurangi pantulan dari meja.
- Latih naskah, pilih nada karakter, dan bicaralah secara alami.
- Pertahankan jarak sekitar 10 cm dari perangkat perekaman untuk menghindari distorsi bunyi letup atau sinyal yang lemah.